高光谱特征波段在海洋典型溢油油种识别中的精度评估

溢油种类精准识别对快速有效地治理污染具有重要的意义,高光谱遥感在海面溢油油种识别中至关重要。为探讨海洋典型溢油油种识别的高光谱特征波段范围,通过设计室外模拟溢油实验,在获取原油、燃料油、柴油、汽油和棕榈油等5种油种的实测高光谱数据基础上,运用因子分析和光谱标准偏差分析法遴选溢油油种的光谱特征波段,并利用支持向量机模型开展基于光谱特征波段的油种识别精度评价。结果表明,基于光谱标准偏差分析和因子分析获得的特征波段的油种识别精度分别是83.33%和90.74%,与基于全波段的识别精度相比,整体精度分别提高了3.7%和11.11%。选取的特征波段(360～540 nm, 560～600 nm, 610～630 nm, 640～660 nm)可作为5种油种相互区分的最佳高光谱波段。     

对抗与蒸馏耦合的高光谱遥感域自适应分类方法

高光谱遥感域自适应分类旨在利用有标注样本的源域知识对无标注的目标域场景进行分类,是高光谱跨场景分类的重要方法之一。目前流行的域自适应分类方法利用对抗训练模式实现目标域与源域的特征对齐,但未考虑源域知识是否充分转移至目标域这一关键问题。为了有效提取并迁移源域知识,本文提出一种基于对抗与蒸馏耦合模式的高光谱遥感自适应分类方法 UDAACD(Unsupervised Domain Adaptation by Adversary Coupled with Distillation)。该方法采用类内样本自蒸馏方式对源域信息进行提炼,提高自适应分类模型对源域监督知识的提取能力;同时,构建知识蒸馏与对抗耦合机制使目标域与源域特征在对抗与蒸馏中实现对齐,利用对抗与蒸馏耦合机制相互补充、相互促进,提升高光谱遥感知识从源域至目标域的迁移能力,进而完成目标域高光谱影像的无监督分类。本文选用Pavia University、Pavia Center、Houston 2013及Houston 2018高光谱遥感场景数据集进行了4组跨场景图像分类实验,结果表明所提出的模型优于其他高光谱域自适应方法,在相同样本条件...     

1988—2016年泰国湾海岸线变迁遥感分析

泰国湾近30年海岸线变迁剧烈。文章基于1988年、1996年、2006年和 2016年4个时期Landsat TM/OLI中等分辨率卫星遥感影像数据，开展了近30年泰国湾岸线长度时空变迁遥感监测，并应用数字海岸分析系统（DSAS）计算出4期岸线变迁速率，给出了4个时期泰国湾侵蚀淤积面积状况，分析了岸线变迁的自然因素和人类活动因素。并从岸线增长速率、岸线变迁速率、蚀淤面积状况、岸线类型变化4个方面给出结论。     

联合光谱和纹理特征的滨海湿地高光谱深度学习分类—以黄河三角洲湿地为例

本文基于CHRIS高光谱遥感影像，发展了一种结合地物光谱特征和多纹理空间特征信息，采用双全链接的8层深度卷积神经网络分类算法对滨海湿地高光谱影像进行遥感地物分类，并在黄河口滨海湿地进行了应用。结果表明：1）基于测试样本数据，联合光谱特征和K-L变换的纹理特征信息，采用DCNN模型方法展现了高的分类精度，精度高达99%；2）利用光谱特征和全纹理特征的精度比仅使用光谱特征和光谱特征联合K-L变换后纹理特征的分类精度低。利用K-L变换后的光谱特征和纹理特征的DCNN分类精度达到99.38%，相比于使用全纹理特征信息的精度提高了4.15%；3）基于验证图像，发展的DCNN分类方法精度优于其他算法，DCNN方法总体分类精度为84.64%，Kappa系数为0.80；4）相比于浅层分类方法，本文发展的DCNN模型分类算法保证了所有地物类型的分类精度更加均衡，保持了主要地物类型的分类精度几乎不变，同时提高了滩涂和农田的精度。基于DCNN模型，潮滩和农田的分类精度分别达到79.26%和56.72%。比其它浅层分类方法提高了2.51%和10.6%。     

联合Bi-LSTM和注意力加强多尺度卷积的黄河三角洲湿地高光谱图像分类方法研究

近年来,面向黄河口的监测需求日益增大,如黄河入海流路改道至清水沟路以来,在新老河道的交汇处存在着丰富的地物类别,对于这些地物类别的检测识别研究有助于掌握生态环境状态,对于黄河口的湿地保护以及国家改善环境的战略支持具有重要意义。因此,本文提出一种新的湿地高光谱图像分类方法,分双路分别提取图像的空谱特征并融合分类。光谱维采用分组预处理的双向长短期记忆网络(Bi-LSTM)有效学习光谱特征;空间维采用注意力加强的多尺度卷积网络有效增强所提取的空谱特征,使得分类结果更具准确性。本文实验应用覆盖黄河入海口新老河道交界处的成像光谱仪(Compact High Resolution Imaging Spectrometer,CHRIS)所采集的数据和黄河三角洲自然保护区滨海湿地高分5号传感器(GF-5)所采集的高光谱图像开展。结果表明:分组与双向长短期记忆网络(Bi-LSTM)的有效结合显著提升了网络性能,同其他监督分类方法相比提升约3%~8%,此外注意力机制的加入同比增加约3%,在使用1%的极少训练集下数据集CHRIS和GF-5的总体分类精度分别达到92.3%和86.11%。     

基于高分光学与全极化SAR的海南八门湾红树林种间分类方法

合理的红树种间组成结构是有效发挥红树林湿地生态价值的前提,明确的红树林种间分布信息是开展红树林生态系统治理和规划工作的有效依据。针对海南八门湾红树林湿地,基于高分三号(GF-3)全极化合成孔径雷达(synthetic aperture radar,SAR)和高分六号(GF-6)多光谱遥感数据,本文提取了35个红树林遥感特征,利用极端梯度提升树(eXtremegradientboosting,XGBoost)算法开展了特征重要性排序、特征筛选和红树林种间分类实验,将其与传统的支持向量机(supportvectormachine,SVM)、随机森林(randomforest,RF)机器学习算法进行精度比较,并基于XGBoost算法进行了3种特征组合方式(优选特征、多光谱特征、全极化SAR特征)的分类精度比较,旨在探索XGBoost对红树林种间分类的适用性和光学与全极化SAR数据对红树林种间分类的能力。结果表明:1)识别红树林种类的优势特征依次为多光谱的光谱波段、极化分解参数、光谱植被指数,且仅利用前8个优选特征(绿光波段反射率G、蓝光波段反射率B、Yamaguchi面散射分量Ys、近红外波...     

基于双路图卷积的黄河三角洲湿地地物分类研究

黄河三角洲湿地地物精确分类对湿地资源的保护、开发和利用具有重要意义。目前的湿地分类算法大多存在着全局信息利用不足,地物类型边界不易区分等问题,导致分类精度不高。针对此问题,本文提出了基于双路图卷积的黄河三角洲湿地地物分类算法,包括图结构数据构建模块、特征提取与融合模块两部分。图结构数据构建模块,设计欧式图表示光谱值之间的绝对差异,衡量不同地物类型,设计余弦图表达不同像素光谱波形之间的差异,用以区分不同的地物边界;特征提取与融合模块,利用图卷积聚合全局信息,对欧式图利用双层图卷积进行特征提取,对余弦图使用图U-Net网络进行特征提取,之后将两个特征融合,得到同时具有光谱值绝对差异和光谱波形差异的融合特征,最后进行分类。在CHRIS和GF5两个数据集的实验结果表明,本文所提算法在黄河三角洲湿地地物分类中取得了具有竞争力的分类结果。     

黄河三角洲生态保护和高质量发展面临的挑战及科技支撑对策建议

习近平总书记多次就黄河三角洲生态保护和高质量发展作出重要指示批示。长期以来,黄河三角洲的生态保护和高质量发展面临严峻挑战,相应的科技支撑方面也存在一定的问题。本文从黄河三角洲生物多样性保护、生态系统健康和高质量发展两个方面综述了面临的挑战情况,并进一步总结了黄河三角洲生态保护和高质量发展科技支撑存在的问题,概括为“弱”、“散”、“偏”、“缺”四个方面;基于此,提出了黄河三角洲生态保护和高质量发展科技支撑的对策建议,主要是建议成立一个能够提供黄河三角洲生态保护和高质量发展相关问题全套解决方案的研究平台,更有效地为黄河三角洲应用服务单位提供支撑。     

基于光谱-空间联合Transformer模型的黄河三角洲湿地高光谱影像分类

黄河三角洲湿地地物类型在光谱曲线上差异较小,且在空间上分布零散,呈破碎化特性。现有的分类方法受限于局部感受野难以捕捉到图像的长距离依赖关系,导致在黄河三角洲湿地高光谱影像中分类精度不理想,针对此问题,本文提出了一种光谱-空间联合Transformer模型。光谱和空间支路分别以光谱向量和空间邻域为输入,基于自注意力机制提取全局光谱和空间特征,在两个支路引入多阶特征交互层,实现浅层边缘信息和深层语义信息的融合,最后采用自适应相加的方式将两路特征融合,送入分类器实现最终分类。本文在黄河三角洲湿地高分五号GF-5和CHRIS两幅高光谱影像上验证方法的有效性,实验结果表明,该方法显著提高了湿地分类的精度,在选用3%的样本训练条件下总体精度分别达到了90.90%和94.17%,优于其他分类方法。研究结果可实现黄河三角洲湿地地物类型的高精度分类,为湿地的保护提供技术支持。